农业工程学报

作者：李婕,陈诗雨,李勉同,孟萱,涂静敏,乔江伟,

关键词：模型, 农作物, 目标检测, 旋转框检测, SwinTransformer

基金：42

角果是影响油菜产量的关键器官，高效、精准的角果检测是油菜产量性状表型分析的重要基础，针对现有目标检测方法难以适应遮挡严重、形态细长以及油菜角果朝向不一的问题，该研究提出了一种自动、高通量的角果检测方法。首先，构建旋转框角果检测网络SwinPodDet，采用R-SwinTransformer骨干网络，引入各向异性移动窗口多头自注意力?（adaptive shifted window multi-head self-attention, ASW-MSA?），以有效捕捉细长目标全局形状与局部细节特征；其次，提出细长特征增强模块?（elongated feature enhancer, EFE），优化模型关注细长且具有明显方向属性目标的能力，进而提高对角果方向信息的表征能力；最后，设计多尺度上下文感知模块???（multi scale context channel attention, MSCAA），通过捕捉不同方向和尺度的细节特征，减少在密集遮挡或形态多变的油菜角果检测中的误检和漏检。结果表明，该模型在自建油菜角果旋转框数据集?（rotated bounding box rapepod dataset, RBRD）上检测精确率（italic>P/italic>）和平均精度?（mAP?）分别达到98.50%?和?81.74%，且检测帧率高达19.0帧/s，在整株角果检测实例应用中，计数比达到95.51%。该模型在保证高精度的同时兼顾了检测效率，是一种便捷高效且精准的油菜角果检测方法，可为油菜角果检测与计数提供高效技术手段。/

来源：2026年第7期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第7期